Общее задание:
Решите с помощью библиотечной реализации дерева решений задачу из лабораторной работы «Веб-сервис «Дерево решений» по предмету 
«Методы искусственного интеллекта» на 99% ваших данных. Проверьте работу модели на оставшемся проценте, сделайте вывод.

Задание по вариантам:
Датасет: Board Games
Ссылки:
https://www.kaggle.com/datasets/andrewmvd/board-games

Задача для древа решений:

Классифицировать игры на игры с высокой и низкой оценкой на основе их характеристик.
Признаки:
Year Published
Users Rated
BGG Rank
Owned Users
Complexity Average
Целевая переменная: Успех игры (Высокая оценка/Низкая оценка), если Rating Average > 7.5, то высокая оценка.

Запуск через файл app.py

Технологии:

Flask: Фреймворк для веб-приложений на языке программирования Python.
Pandas: Библиотека для обработки и анализа данных.
scikit-learn: Библиотека для машинного обучения в Python.
Описание работы программы:

Программа представляет собой веб-приложение, использующее машинное обучение для классификации на основе данных об играх на сайте BoardGameGeek (BGG). Она загружает данные из CSV-файла, предобрабатывает их, обучает модель дерева решений на основе выбранных признаков (год выпуска, количество оценок пользователей, рейтинг BGG и другие), а затем предоставляет интерфейс для ввода данных о новой игре и получения предсказания о ее "успешности" (высокий или низкий рейтинг).

Входные данные:

Год выпуска игры.
Количество оценивших игру.
Рейтинг BGG игры.
Ранг BGG игры.
Количество владельцев игры.
Средняя сложность игры.
Выходные данные:

Классификация игры: "Высокая оценка" или "Низкая оценка".
Дополнительная информация: Точность модели, количество игр с высокой и низкой оценкой, важность признаков.